基于拉普拉斯频率互动网络的农村主题道路提取

农村主题道路网络构建旨在从农业机械运动轨迹图像中提取拓扑道路结构。然而，该任务面临挑战：现有研究中常用的下采样方法倾向于模糊稀疏的高频道路结构，密集场操作产生的噪声常导致提取的网络碎片化或冗余。为解决这些挑战，我们提出了拉普拉斯频率互动网络(Laplacian Frequency Interaction Network, LFINet)。该网络首先通过拉普拉斯多尺度分离器(Laplacian Multi-scale Separator, LMS)将图像分离为低频语义上下文和高频结构细节。这些组件随后通过交叉频率互动模块(Cross-Frequency Interaction Block, CFIB)进行处理，采用双通道架构，其中高频模块(High-Frequency Block, HFB)细化局部结构，而空间变换器(Spatial Transformer, ST)捕获全局语义。随后，频率门控调制(Frequency Gated Modulation, FGM)机制利用语义上下文来校准结构细节，从而整合双通道的特征。最后，采用渐进式重构解码器迭代融合多尺度特征，以确保拓扑一致性。在来自中国河南省的真实世界农业轨迹数据集上进行的实验表明，LFINet建立了新的状态-of-the-art。具体而言，它以92.54%的F1分数和86.12%的IoU得分超越了第二名方法分别提升了0.64%和1.1%，这确认了其有效构建稳健且稀疏场数据中拓扑道路网络的能力。